![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
EC
文章平均质量分 88
yanleusstedu
这个作者很懒,什么都没留下…
展开
-
论文解读:On the Evolutionary optimization of Many Conflicting Objectives
本文在组件层面上研究并分析了Many-objective空间中变异算子和重组算子的行为,并给出了一般性的结论原创 2022-02-05 01:07:10 · 909 阅读 · 0 评论 -
论文解读:Adaptive Particle Swarm Optimization (APSO)
模糊数学原创 2022-01-21 23:34:30 · 2673 阅读 · 2 评论 -
论文解读:自适应参数控制方案介绍——Effect Assessment
经典的参数自适应机制原创 2022-01-10 19:51:06 · 1235 阅读 · 0 评论 -
论文解读:自适应参数控制方案介绍
APGAIN, CompassA novel approach in parameter adaptive and diversity maintenance for genetic algorithms (APGAIN)aaA Compass to guide genetic algorithmsA novel approach in parameter adaptive and diversity maintenance for genetic algorithms (APGAIN)aaA Com原创 2021-12-28 01:53:13 · 1710 阅读 · 0 评论 -
文化基因 模因
Memetic Algorithm1. 文化进化理论2.文化基因算法的思想3.文化基因算法的实现原文链接:https://www.cnblogs.com/tiny-player/p/3360330.html1. 文化进化理论威尔逊认为,从性质上来讲,文化进化总是以拉马克主义为特征的,即文化进化依赖于获得性状的传递,相对来说速度比较快;而基因进化是达尔文主义式的,依赖于经过几个世代的基因频率的改变,因而是缓慢的。威尔逊将可供选择的行为划分为分离的单位,称以文化基因。文化基因的传递可以是纯粹遗传的,转载 2021-12-21 12:51:36 · 389 阅读 · 0 评论 -
论文解读:A Knee Point-Driven Evolutionary Algorithm for Many-Objective Optimization
KnEA(转载) 原文链接:https://blog.csdn.net/qq_32182397/article/details/105888274 这篇文章提出了 knee point-driven EA(KnEA)算法,算法主要思想是如果没有明确的用户偏好,knee point是非支配解中最受欢迎的。种群中非支配解knee point的bias是对更大HV的bias,这样能够提高收敛...转载 2021-11-23 11:39:44 · 1341 阅读 · 3 评论 -
论文解读:快速实现PICEA-w算法中的字典排序(Lexicographic ordering)
如何在Matlab中实现矩阵行向量按字典次序排序并获得排名写在前面需要解决关键问题难点实现方案写在前面最近在研究关于多目标问题的协同演化算法。感觉PICEA-w算法框架还有很大的扩展空间,因此尝试着复现这个算法的程序。不幸的是,当写到coEvolve过程的selectS模块时,遇到了一个对于我来说比较新的概念,好在后来摸索出来。其实不难,只不过刚开始被概念整懵了。现在把解决办法分享出来,如有错误请指正!需要解决关键问题正如论文中提到的那样,selectS模块主要分两步进行:首先:需要得到一个按行原创 2021-10-29 16:56:18 · 492 阅读 · 0 评论 -
论文解读:MOEA/D-TPN
An Improved Multiobjective Optimization Evolutionary Algorithm Based on Decomposition for Complex Pareto FrontsMotivationContributionKey techniquesMOEA/D-TPNMotivationMOEA/D是解决MOPs的有效方法,但面对具有复杂POF(如:long tail, sharp peak和 disconnected regions)的MOPs时,其性能会原创 2021-10-22 11:49:44 · 655 阅读 · 0 评论 -
论文解读:NSGA3
这里浅谈一下自己对NSGA3算法中个体保留操作的一些理解NSGA3算法流程:个体保留操作参考文献NSGA3算法流程:由上图可以看出,NSGA3算法主要分为四大块,包括:参考点设置;种群的自适应标准化;关联操作;个体保留操作。这里我主要分享一下对最后一块的理解,请多指正!个体保留操作假设在个体保留操作之前,算法已经完生成了后代种群Qt,并对合并种群Rt=Pt∪Qt(2N)执行了非支配排序。个体保留操作的主要任务是,从不同非支配等级个体中选择N个用来构成下一代种群个体。具体操作如下:原创 2021-10-19 11:56:38 · 3815 阅读 · 0 评论 -
论文解读:MOEA/D with Adaptive Weight Adjustment
学习目标:提示:这里可以添加学习目标例如:一周掌握 Java 入门知识学习内容:提示:这里可以添加要学的内容例如:1、 搭建 Java 开发环境2、 掌握 Java 基本语法3、 掌握条件语句4、 掌握循环语句学习时间:提示:这里可以添加计划学习的时间例如:1、 周一至周五晚上 7 点—晚上9点2、 周六上午 9 点-上午 11 点3、 周日下午 3 点-下午 6 点学习产出:提示:这里统计学习计划的总量例如:1、 技术笔记 2 遍2、CSDN 技术博客 3 篇原创 2021-10-13 08:29:52 · 2415 阅读 · 11 评论 -
论文解读:An External Archive Guided Multiobjective evolutionary algorithm Based on Decomposition for ...
EAG-MOEA/D动机几个关键点:双种群(合作)协同演化MOEA/D算法分析动态资源分配Algorithm动机MOEA/D基于这样一个基本的假设:两个相邻的问题应该有相似的最优解。这适用于典型连续MOP中的大多数子问题。然而在组合多目标优化问题中有一些不满足该假设。因此,针对这类组合多目标优化问题单独使用MOEA/D表现不佳。为了解决这个问题,最近许多基于MOEA/D和支配技术结合的算法已经被研究。理想的情况是:子问题与PF上的点(最优解)一一对应。然而,存在这样一种现象(如图Fig. 1a原创 2021-09-30 01:09:43 · 397 阅读 · 0 评论 -
论文解读:Decomposition-Based Algorithms Using Pareto Adaptive Scalarizing Methods (MOEA/D-PaS)
MOEA/D-PaSBackgroundIntroductionPareto Adaptive Lp Scalarizing methods (PaS)Background**根据选择机制的不同,可将多目标演化算法分为三类:Pareto-dominance-based 算法,如:MOGA, NSGA-II,以及grid-based方法等;Performance-indicator-based 算法,如:indicator-based方法,以及approximated hypervolume-bas原创 2021-09-28 14:39:40 · 451 阅读 · 0 评论 -
论文解读:Predator-Pray biogeography Based Optimization (PPBBO)
这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题,有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能,丰富你的文章UML 图表FLowchart流程图导出与导入导出导入欢迎使用Markdown编辑器你好! 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Mar原创 2021-09-13 21:08:05 · 352 阅读 · 0 评论 -
论文解读:Multiobjective nondominated neighbor coevolutionary algorithm with elite population (NNCA)
NNCA前言NNCA介绍算法提要关键步骤前言精英机制(Elitism),在EAs中经常被用来维护好的解,即精英个体。如何利用精英个体来指导搜索过程尚未得到充分研究。维持多样性搜索,提升算法收敛性能,同时降低算法复杂度一直是MOEA设计过程中的重要话题。基于邻域的非支配选择(Nondominated Neighbor-based Selection, NNS)机制NNS的主要思想是,在开始启发式搜索之前,根据拥挤距离选择一定数量非支配个体的方法。其最早在NNIA算法(Gong, 2008)中被原创 2021-09-10 17:02:29 · 382 阅读 · 0 评论 -
论文解读:multiple population technique for multiple objectives (MPMO)
CMODE欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题,有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能,丰富你的文章UML 图表FLowchart流程图导出与导入导出导入欢迎使用Markdown编辑器你好! 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Markdown原创 2021-09-09 21:13:06 · 841 阅读 · 0 评论 -
论文解读:NSGA-II, EFR, EFR-RR
论文解读:NSGA-II, EFR, EFR-RR本文主要回顾三种算法(NSGA-II, EFR, EFR-RR)的动机以及他们之间的差异。EFR是基于NSGA-II框架提出的集成适应度排序算法。二者之间的差异主要在环境选择上。具体来说,在每一代中,NSGA-II对合并种群 R = P U Q 中的每个个体执行非支配排序以产生所有分类排序子集F = (F1, F2, ⋯\cdots⋯),。然后,根据需要计算某个分类排序子集中所有个体的聚集距离,并建立偏序集。接下来从偏序集依次选取个体进入Pt+1。摆原创 2021-06-30 16:56:36 · 659 阅读 · 0 评论 -
论文解读:DBSCAN-Based Multi-Objective Niching to Approximate Equivalent Pareto-Subsets
DBSCAN-Based Multi-Objective Niching to Approximate Equivalent Pareto-SubsetsABSTRACTINTRODUCTIONRACK SELECTIONCLUSTERING WITH DBSCANCLUSTERING-BASED NICHINGSingle Populaion Niching and Adaptive Corner PointsMultiple Population and Recluster IndicatorSUMMA原创 2021-06-04 14:57:21 · 468 阅读 · 0 评论 -
Python 调用matlab接口的方法和配置——经验总结
Python 调用matlab接口的方法和配置——经验总结Step1. 要在 Python® 会话内启动 MATLAB® 引擎,必须先安装 Python 包形式的引擎 API。Step2. 实现Python调用matlab脚本或函数Step3. 在Python中分别打开并运行triarea_scr和triarea_fun文件近日,在做演化计算实验时,需要在Python程序中调用Matlab提供的...原创 2019-02-26 18:11:19 · 5940 阅读 · 1 评论 -
关于GaLib247 EX5成员函数copy的理解
关于GaLib247 EX5中CompositeGenome::copy的理解问题背景回顾: EX5介绍了一种衍生自GAGenome类的合成基因组类(composite genome),该类包含了一个2DBinStr基因组和一个Bin2Dec基因组。程序利用steady-state GA来匹配2DBinStr部分中的2D模式,以及一个Bin2Dec部分中的数列。该合成基因组类中定...原创 2018-09-12 09:45:33 · 209 阅读 · 0 评论 -
关于GA中Building blocks (BBs) supply下界的问题
When using selecto-recombinative GAs (no mutation), the only source of diversity is the supply of BBs in the initial generation。A simple supply model considers the number of BBs present in the initial random population (generated under a uniform distributi原创 2018-08-22 18:46:39 · 186 阅读 · 0 评论